آموزش نکات ، ترفندها و روشهای پایتون بیشتر برای علوم داده

More Python Tips, Tricks, and Techniques for Data Science

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: قدرت و تطبیق پذیری پایتون - همراه با اکوسیستم بزرگ بسته های شخص ثالث - آن را برای دانشمندان داده ضروری می کند. در این دوره ، مربی Harshit Tyagi نکات و تکنیک های عملی را به اشتراک می گذارد که می تواند به شما کمک کند گردش کار علم داده Python خود را تقویت کنید. Harshit نحوه کار با نوت بوک های IPython ، از جمله نحوه اشکال زدایی خطاها را پوشش می دهد. وی نحوه استفاده از NumPy برای دستکاری آرایه ها و همچنین نحوه کار با پانداها ، ابزار دستکاری و تجزیه و تحلیل داده ها را نشان می دهد. وی نکاتی را برای تجسم داده های شما با Matplotlib ارائه می دهد و توضیح می دهد که چگونه می توانید متن را به نمودارها اضافه کرده و عناصر حاشیه را در نمودار اضافه کنید. بعلاوه ، بهترین روشها را برای کار با یادگیری قلبی ، و همچنین سایر نکات یادگیری ماشین به دست آورید.

سرفصل ها و درس ها

مقدمه Introduction

  • نکات و ترفندها در پایتون Tips and tricks in Python

1. IPython و Jupyter Notebook 1. IPython and Jupyter Notebook

  • دسترسی به روش ها و اسناد Accessing methods and documentation

  • خطاها و اشکال زدایی Errors and debugging

  • مشخصات و زمان بندی کد Code profiling and timing

2. NumPy و Pandas 2. NumPy and Pandas

  • ملزومات آرایه های NumPy Essentials of NumPy arrays

  • صدا و سیما Broadcasting

  • مقایسه ، ماسک و منطق بولی Comparison, masks, and Boolean logic

  • نمایه سازی و زیرمجموعه پانداها Pandas indexing and subsetting

  • مدیریت داده های از دست رفته Handling missing data

  • تجمیع و گروه بندی Aggregation and grouping

  • پرس و جو و فیلتر کردن داده ها Querying and filtering data

3. تجسم با Matplotlib 3. Visualization with Matplotlib

  • نکات کلی درباره نقشه General plotting tips

  • افزودن متن و حاشیه نویسی Adding text and annotations

  • زیرمجموعه های متعدد Multiple subplots

4. نکات یادگیری ماشین 4. Machine Learning Tips

  • sklearn Estimator API sklearn Estimator API

  • اعتبارسنجی مدل و تنظیم بیش از حد پارامتر Model validation and hyperparameter tuning

  • مهندسی ویژگی Feature engineering

  • ایجاد خطوط لوله یادگیری ماشین Creating machine learning pipelines

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش نکات ، ترفندها و روشهای پایتون بیشتر برای علوم داده
جزییات دوره
1h 58m
19
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
310
- از 5
ندارد
دارد
دارد
Harshit Tyagi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Harshit Tyagi Harshit Tyagi

مربی و استاد علوم داده Harshit Tyagi یک مربی و مربی علوم داده است.

Harshit به بیش از هزار دانش آموز کمک کرده است تا اصول برنامه نویسی و علوم داده را تسلط یابند. وی در نقش های خود در OpenClassrooms و Coding Ninjas ، از مهارت فنی خود برای انجام کارگاه ها و کمک به دانشجویان برای آوردن پروژه های دوره خود به خط پایان استفاده می کند. وی همچنین دارای یک کانال YouTube است ، جایی که او مفاهیم اساسی در علوم داده و مصاحبه پایتون را پوشش می دهد نکات و موارد دیگر علاوه بر تمرکز بر آموزش علوم داده ، هارشیت الگوریتم های پردازش داده را با دانشمندان تحقیق در ییل ، MIT و UCLA توسعه داده است.